MIT开发新AI工具可以只靠照片就算出材料承受的压力

麻省理工学院(MIT)的研究人员,开发出一种人工智能技术,可以根据材料内部结构的图片,快速计算出材料的部分特性,像是应力(Stress)与应变(Strain)值,这个方法可以消除繁琐的物理计算,通过计算机视觉和机器学习,即时生成估算值。这个物理计算方法的改进,可以加快设计雏形和检查材料的速度,研究人员Zhenze Yang提到,这是一种全新的方法,因为完成整个计算过程并不需要任何物理领域的知识。

过去工程师花费大量的时间解决方程式,以计算材料的内力,包括应力和应变这些可能造成材料变形和破裂的内力,应用包括设计桥梁以承载行驶在上面的车辆重量,或是在大风中保持稳固。即便现在有计算机的帮忙,工程师可以使用计算机来计算这些方程式,但是这仍是一个棘手的问题,因为部分模拟可能非常耗时,需要几天甚至是数个月的时间。

为了加速计算过程,研究人员使用人工智能来解决这个问题,他们使用了生成对抗网络(GAN)机器学习技术。先使用上万组图像训练网络,图组由两张图构成,一张图像描绘材料内部在机械作用下的微观结构,另一张图则以颜色编码标示该材料的应力和应变量值,神经网络使用博弈论规则,反复迭代计算出材料的几何形状和其所产生应力之间的关系。

麻省理工研究人员所提出的新方法,只需要一张图片,人工智能就能预测材质的内力,解决过去需要撰写程序代码,求解偏微分方程式的麻烦,研究人员解释,这种以图像计算内力的方法,对于复杂的复合材料特别有用。由于材料上力的作用在原子微观尺度,可能不同于宏观尺度,研究人员举例,就像是一架飞机,可能由金属、聚合物和黏合剂构成,求得的解必需要能涵盖不同的面向和尺度。

研究人员指出,神经网络擅长解决多种尺度的问题,因为其通过一系列卷积处理信息,这些卷积会渐进地扩大尺度来分析图像,因此能够良好地描述材料特性。经过充分训练的神经网络在测试实验中表现良好,能够对各种软复合材料微观结构的特写图像,搭建应力和应变值,甚至能够找出通用点,像是材料中出现的裂缝处,神经网络能够准确地重现这些点。

这个研究成果可以减少设计产品的迭代次数,节省工程师的时间和金钱,新技术也可以使非IT人员简单地取用材料计算,像是建筑师或是产品设计师,就能在把设计项目交给工程团队之前,先试算其可行性。神经网络在经过训练后,模型可以在消费级计算机上即时处理,降低诊断问题的门槛。